The External Validation of the Nursing Homes Short Depression Inventory in Older Adults with Major Neurocognitive Disorders in Long-Term Care Centers
Notice bibliographique
Résumé
INTRODUCTION: Depression is often difficult to detect in long-term care (LTC) patients with major neurocognitive disorders (MNCD), and an observer-rated screening scale could facilitate assessments. This study aimed to establish the external validity and reliability of the Nursing Homes Short Depression Inventory (NH-SDI) in LTC patients with MNCD and to compare its estimates to the Cornell Scale for Depression in Dementia (CSDD), the most used scale for depression in MNCD. METHODS: A focus discussion group of experts assessed the content validity of the NH-SDI. Then, a convenience sample of 93 LTC patients with MNCD was observer-rated by trained nurses with the NH-SDI and CSDD. For 57 patients, a medical assessment of depression was obtained, and screening accuracy estimates were generated. RESULTS: The prevalence of depression was 8.8% as per reference standard. NH-SDI's content validity was judged acceptable with minor item wording modifications and specifications. The NH-SDI (cut-off ≥3) achieved 100% (95% confidence interval [CI]: 46-100%) sensitivity, 83% (95% CI: 69-91%) specificity, and 36% (95% CI: 14-64%) positive predictive value (PPV). The CSDD (cut-off ≥3) achieved 100% (95% CI: 46-100%) sensitivity, 75% (95% CI: 61-86%) specificity, and 28% (95% CI: 11-54%) PPV. No significant differences in areas under the receiver operating characteristic curve were found between scales. The NH-SDI and CSDD were highly correlated (rs = 0.913; p < 0.001) and reliable (ICC = 0.77; p < 0.001). CONCLUSION: The NH-SDI appears valid and reliable in LTC patients with MNCD and quicker than the CSDD to rule out depression in a busy or short-staffed setting.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».